0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
И
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
И
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
И
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
У
Н
И
В
Е
Р
С
И
Т
Е
Т
I
T
M
O
U
N
I
V
E
R
C
I
T
Y
Н
И
В
Е
Р
С
И
Т
Е
Т
I
T
M
O
U
N
I
V
E
R
C
I
T
Y
У
Н
И
В
Е
Р
С
И
Т
Е
Т
I
T
M
O
U
N
I
V
E
R
C
I
T
Y
Н
И
В
Е
Р
С
И
Т
Е
Т
I
T
M
O
U
N
I
V
E
R
C
I
T
Y
У
Н
И
В
Е
Р
С
И
Т
Е
Т
I
T
M
O
U
N
I
V
E
R
C
I
T
Y
Н
И
В
Е
Р
С
И
Т
Е
Т
I
T
M
O
U
N
I
V
E
R
C
I
T
Y
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
И
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
Т
М
О
b
o
n
u
s
t
r
a
c
k
I
T
M
O
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
1
1
0
1
1
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
0
0
1
0
1
bonus_track
bonus_
track
track
Получи дополнительный диплом IT-специалиста за время обучения в ИТМО
track
bonus_
Разведочный анализ данных (36 ак.ч.)
Основы языка Python для анализа данных (36 ак.ч.)
Хранение структурированных данных, SQL (36 ак.ч.)
NoSQL хранилища данных (36 ак.ч.)
Машинное обучение (36 ак.ч.)
Прикладной искусственный интеллект (36 ак.ч.)
Итоговый проект (36 ак.ч.)
Некоторые модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках модуля «Цифровая культура» основной образовательной программы в 2025/26 уч.году
Основы языка Python для анализа данных (36 ак.ч.)
Хранение структурированных данных, SQL (36 ак.ч.)
NoSQL хранилища данных (36 ак.ч.)
Машинное обучение (36 ак.ч.)
Прикладной искусственный интеллект (36 ак.ч.)
Итоговый проект (36 ак.ч.)
Некоторые модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках модуля «Цифровая культура» основной образовательной программы в 2025/26 уч.году
Разведочный анализ данных (36 ак.ч.)
Основы языка Python для анализа данных (36 ак.ч.)
Хранение структурированных данных, SQL (36 ак.ч.)
NoSQL хранилища данных (36 ак.ч.)
Машинное обучение (36 ак.ч.)
Прикладной искусственный интеллект (36 ак.ч.)
Итоговый проект (36 ак.ч.)
Некоторые модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках модуля «Цифровая культура» основной образовательной программы в 2025/26 уч.году
Основы языка Python для анализа данных (36 ак.ч.)
Хранение структурированных данных, SQL (36 ак.ч.)
NoSQL хранилища данных (36 ак.ч.)
Машинное обучение (36 ак.ч.)
Прикладной искусственный интеллект (36 ак.ч.)
Итоговый проект (36 ак.ч.)
Некоторые модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках модуля «Цифровая культура» основной образовательной программы в 2025/26 уч.году
Студентам ИТМО
<h2>
</h2>
{
{
Аналитика данных в научных исследованиях
Формат обучения: онлайн
Стоимость: бесплатно
Стоимость: бесплатно
.Бакалавриат 2-4 курс (2025/26 год обучения)
.Магистратура 1-2 курс (2025/26 год обучения)
(252 ак.ч.)
{
{
{
Разведочный анализ данных (36 ак.ч.)
Основы языка Python для анализа данных (36 ак.ч.)
Хранение структурированных данных, SQL (36 ак.ч.)
NoSQL хранилища данных (36 ак.ч.)
Машинное обучение (36 ак.ч.)
Прикладной искусственный интеллект (36 ак.ч.)
Итоговый проект (36 ак.ч.)
Некоторые модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках модуля «Прикладной искусственный интеллект» основной образовательной программы в 2025/26 уч.году
Основы языка Python для анализа данных (36 ак.ч.)
Хранение структурированных данных, SQL (36 ак.ч.)
NoSQL хранилища данных (36 ак.ч.)
Машинное обучение (36 ак.ч.)
Прикладной искусственный интеллект (36 ак.ч.)
Итоговый проект (36 ак.ч.)
Некоторые модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках модуля «Прикладной искусственный интеллект» основной образовательной программы в 2025/26 уч.году
Только для бакалавров и магистрантов направлений 27.03.05 и 27.04.05 «Инноватика»
Ассессмент (комплексная оценка) (1 час)
Общие сведения о методологии анализа данных и реляционные базы данных (36 часов)
NoSQL хранилища данных (36 часов)
Основы языка Python (72 часа)
Методы и алгоритмы машинного обучения (72 часа)
Итоговый проект (70 часов)
Все модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках своей основной образовательной программы в 2024/25 годах
Общие сведения о методологии анализа данных и реляционные базы данных (36 часов)
NoSQL хранилища данных (36 часов)
Основы языка Python (72 часа)
Методы и алгоритмы машинного обучения (72 часа)
Итоговый проект (70 часов)
Все модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках своей основной образовательной программы в 2024/25 годах
Ассессмент (комплексная оценка) (1 час)
Общие сведения о методологии анализа данных и реляционные базы данных (36 часов)
NoSQL хранилища данных (36 часов)
Основы языка Python (72 часа)
Методы и алгоритмы машинного обучения (72 часа)
Итоговый проект (70 часов)
Перезачёт дисциплинами модуля «Прикладной искусственный интеллект»
Все модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках своей основной образовательной программы в 2024/25 годах
Общие сведения о методологии анализа данных и реляционные базы данных (36 часов)
NoSQL хранилища данных (36 часов)
Основы языка Python (72 часа)
Методы и алгоритмы машинного обучения (72 часа)
Итоговый проект (70 часов)
Перезачёт дисциплинами модуля «Прикладной искусственный интеллект»
Все модули курса могут быть перезачтены соответствующими дисциплинами, которые вы изучали или будете изучать в рамках своей основной образовательной программы в 2024/25 годах
{
ИТМО
Студентам
Итоговый проект
<h3>
Может выполняться как в одиночку, так и с командой единомышленников. Тема итогового проекта должна основываться на применении изученных технологий в профильных предметных областей.
</h3>
<p>
Регистрация
</p>
Для участия необходимо отправить заявку «Зачисление на обучение по ДПП ПП в рамках проекта bonus_track» на портале my.itmo.ru в разделе Заявки / Учеба.
<p>
</p>
<h3>
</h3>
<h2>
</h2>
1 ноября 2025 —
1 августа 2026 — обучение.
Магистранты смогут получить дипломы сразу по окончанию обучения по ДПП ПП, а бакалавры — по окончанию обучения в бакалавриате
1 августа 2026 — обучение.
Магистранты смогут получить дипломы сразу по окончанию обучения по ДПП ПП, а бакалавры — по окончанию обучения в бакалавриате
1 ноября 2025 — 1 августа 2026 — обучение.
Магистранты смогут получить дипломы сразу по окончании обучения по ДПП ПП, а бакалавры — по окончании обучения в бакалавриате
Магистранты смогут получить дипломы сразу по окончании обучения по ДПП ПП, а бакалавры — по окончании обучения в бакалавриате
.4
1 ноября 2025 — зачисление на обучение по дополнительной профессиональной программе профессиональной переподготовки
.3
31 октября 2025 — окончание приема заявлений
.2
1 октября 2025 — начало приема заявлений на обучение по программе на портале my.itmo.ru (Заявки / Учеба / Зачисление на обучение по ДПП ПП в рамках проекта bonus_track)
.1
График
bonus_track —
инициатива ИТМО, реализуемая в рамках проекта «Цифровые кафедры», запущенного на базе университетов-участников программы «Приоритет-2030» и направленного на освоение цифровых компетенций в области создания алгоритмов и программ, пригодных для практического применения, или навыков использования и освоения цифровых технологий, необходимых для выполнения нового вида профессиональной деятельности
поддержание баланса спроса и предложений в ИТ-отрасли и обеспечение приоритетных отраслей экономики высококвалифицированными кадрами, обладающими цифровыми компетенциями.
Цель проекта:
О проекте
</h2>
<h2>
Контакты
<h2>
</h2>
По организационным
вопросам:
вопросам:
Дмитрий Шуклин, начальник
Управления корпоративного обучения
и профессионального развития
Управления корпоративного обучения
и профессионального развития
Партнёры
<h2>
</h2>
Программа посвящена технологиям работы
с большими объемами данных
Вы научитесь:
- собирать, обрабатывать и интерпретировать данные;
- визуализировать данные, работать с временными рядами ;
- организовывать хранение Big Data и писать запросы на SQL;
- применять для анализа данных Python и его библиотеки;
- обнаруживать закономерности и аномалии методами машинного обучения;
Основные разделы программы:
- Алгоритмы разведочного анализа данных
- Работа с временными рядами и визуализация данных
- Проектирование и организации хранения больших данных в реляционных СУБД
- NоSQL хранилища данных: графовые хранилища данных, хранилища класса ключ-значение, документные хранилища и колоночные хранилища данных
- Знакомство с алгоритмами и структурами данных на языке Python в среде разработки Jupyter Notebook
- Применение библиотек Python для работы с данными в форматах HTML, XML, JSON, работа с библиотекой Requests
- Классификация методов машинного обучения
- Линейная регрессия
- Методы классификации
- Применение методов машинного обучения для решения прикладных задач.
Программа посвящена методам аналитики больших данных
Вы научитесь:
- организовывать хранение BigData и писать запросы на SQL;
- оценивать статистические параметры данных;
- применять для анализа данных Python и его библиотеки;
- обнаруживать закономерности и аномалии методами машинного обучения;
- применять методы машинного обучения для решения прикладных задач;
Пререквизиты: начальные навыки программирования на Python или любом другом языке программирования.
Основные разделы программы:
- Инструменты для обработки данных. Визуализация данных
- Алгоритмы разведочного анализа данных с помощью библиотек Python (NumPy и pandas)
- Прогнозирование временных рядов
- Проектирование и организации хранения больших данных в реляционных СУБД
- Оптимизация запросов к реляционным данным
- NoSQL хранилища данных
- Характеристики и законы распределения одномерных и многомерных случайных величин
- Точечное и интервальное оценивание параметров
- Построение гипотез
- Классификация методов машинного обучения
- Линейная регрессия
- Методы классификации и кластеризации
- Снижение размерности
- Ансамблевые методы
Программа посвящена проектированию архитектуры систем машинного обучения
Вы научитесь:
- разрабатывать технические задания;
- выбирать, исходя из задачи, компоненты систем машинного обучения;
- разрабатывать архитектуру с учетом практики применения паттернов проектирования систем машинного обучения;
- создавать программные модели машинного обучения и встраивать их в комплексные программные системы
Пререквизиты: изучение дисциплин "Основы программной инженерии", "Алгоритмы и структуры данных" и "Системы искусственного интеллекта" в бакалавриате ФПИиКТ
Основные разделы программы:
- ЖЦ разработки ПО
- Требования к ПО, риски
- Производительность и качество ПО
- Алгоритмы и структуры данных
- Логическое программирование и базы знаний
- Методы редуцирования пространства поиска
- Компоненты конвейера машинного обучения
- Сбор и хранение данных. Визуализация данных
- Представление задачи, построение признаков и выбор модели
- Построение и настройка модели
- Оценка и интерпретация моделей
- Развертывание модели
- Масштабирование для систем машинного обучения
- Мониторинг и обслуживание систем
- Методология разработки систем машинного обучения
- Нюансы требований к системам машинного обучения и ТЗ на такие системы
- Технологии проектирования признаков